Facultad en Ciencias de la Ingeniería y Aplicadas

(CIYA)

Ingeniería Industrial

Msc. Ing. XAVIER ESPÍN

RESOLUCIÓN DE CASOS PRÁCTICOS

(Cartas de Control para Atributos)

CONTROL DE CALIDAD

HIDALGO ZAGAL JEFFERSON FERNANDO

5 “A”

CICLO ACADÉMICO

OCTUBRE 2019 - MARZO 2020

Introducción

Los gráficos de control por atributos constituyen la herramienta esencial utilizada para

controlar características de calidad con sólo dos situaciones posibles, por ejemplo:

conforme/disconforme, funciona/no funciona, defectuoso/no defectuoso, presente/ausente,

etc.; o bien para características que se puedan contar, como número de manchas, número de

golpes, número de rayas, etc.

También en algunas ocasiones se tratan características por variables como atributos, en el

caso de que sólo se considere si se cumplen o no las especificaciones de calidad sin importar

cuál es el valor concreto de dicha variable. Las especificaciones de calidad son las medidas

deseadas de las características de la calidad en un producto. Cuando se controlan estas

características, la inspección de muestras indica si el producto cumple o no con las normas y

las especificaciones, o tiene uno o más defectos.

Entre los gráficos de control para atributos:

• p: Proporción de unidades defectuosas.

• np: Número de unidades defectuosas.

• c: Número de defectos.

• u: Numero de defectos por unidad de inspección.

Estos cuatro gráficos se agrupan de dos en dos, según se estudien:

• Unidades defectuosas (n y np).

• Defectos (c y u).

Por otro lado, se pueden agrupar según como se presenten los datos:

• Cantidad de defectos o piezas defectuosas (np o c).

• Proporción de defectos o de piezas defectuosas (p o u).

1
Objetivos

Objetivo General

Resolver los casos prácticos propuestos por el profesor, mediante la utilización de las cartas
de control para atributos, determinando así los procesos productivos que puedan estar bajo
control; mediante la aplicación de las cartas de control para atributos: P, NP, C y U se
determinará si el número de no conformidades o errores están dentro de los rangos permitidos
o los límites de control que se calcularán aplicando las respectivas fórmulas para cada caso.

Objetivos Específicos

• Mediante el calculo en Excel e interpretación de tablas realizar el análisis de muestras

de cada proceso.

• Procesar la información en las herramientas de software estudiadas (Excel y

Minitab).

• Identificar las diferencias existentes entre las gráficas de control obtenidas.

2
Actividades

Caso 1:

Determinada empresa encontró las siguientes no conformidades y desea realizar el control de

las mismas para lo cual decide realizar una carta control NP y C. Realizar los gráficos,
determinar los límites de control y ajustarle hasta que todos los datos estén dentro.

No. No. No. No No. No. No. No

Subgrupo Inspeccionado conformidades Subgrupo Inspeccionado conformidades
1 1000 13 16 1000 17
2 1000 4 17 1000 13
3 1000 3 18 1000 25
4 1000 22 19 1000 25
5 1000 13 20 1000 15
6 1000 6 21 1000 7
7 1000 12 22 1000 19
8 1000 19 23 1000 12
9 1000 2 24 1000 9
10 1000 17 25 1000 16
11 1000 4 26 1000 4
12 1000 12 27 1000 9
13 1000 4 28 1000 18
14 1000 21 29 1000 19
15 1000 6 30 1000 4

Gráfica NP

1. Calcular los límites de control aplicando las fórmulas:

Σd
̅P =
Σn

̅P = = 0,012

lc = n ∗ ̅P = 1000∗ 0,012 = 12,333

lcs = np + 3√np − p

lcs

lcs = 22,804

lci = np − 3√np − p
3
lci

lci = 1,863

2. Realizar el gráfico en Excel y Minitab:

Gráfico Np de N° de no conformidades
30

25

20

15

10

0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

Número de no conformidades (d) LCS LCI LC

4
 2.1. Análisis:

Los gráficos NP nos sirven para controlar el número de productos defectuosos dentro de un

proceso. En este caso se han hallado 2 errores en un total de 30 muestras, mismos que se

han producido en los días 18 y 19. El siguiente paso es realizar una corrección eliminando

estos datos, pero en la vida real se deben analizar las 6 “M” y aplicar las debidas correcciones.

3. Graficar aplicando las correcciones:

̅P = = 0,011

lc = n * ̅P = 1000 ∗ 0,011 = 11,429

lcs

lcs = 21,512

lci

lci = 1,345

5
 Gráfica NP de C2
25

1
LCS=21,51
Conteo de muestras 20

15

__
NP=11,43
10

LCI=1,34
0
1 4 7 10 13 16 19 22 25 28
Muestra

3.1. Análisis:

Las correcciones han sido aplicadas, sin embargo, el proceso se encuentra muy disperso,

existe una muestra en donde el número de conformidades está muy próximos a los límites de

control dejando fuera del límite de control a la muestra 4.

4. Graficar aplicando las correcciones:

̅P = 0,0110
lc = n ∗ ̅P = 1000 ∗ 0,0110= 11,037

lcs = np + 3√np − p
lcs = 20,999

lci = np − 3√np − p
lci = 1,075

Gráfico Np de N° de no conformidades
25

20

15

10

0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27

Número de no conformidades (d) LCS LCI LC

6
 Gráfica NP de Número de no conformidades (d)
1
LCS=20,95
20
Conteo de muestras

15

__
NP=11,04
10

LCI=1,13
0
1 4 7 10 13 16 19 22 25
Muestra

4.1. Análisis:

Las correcciones han sido aplicadas, aun dándonos como resultado que el proceso se

encuentra aún disperso, existe una muestra en donde el número de conformidades está muy

próximos a los límites de control el cual es la muestra 13.

5. Graficar aplicando las correcciones:

̅P = 0,0107
lc = n ∗ ̅P = 1000 ∗ 0,0107= 10,654

lcs = np + 3√np − p
lcs = 20,441

lci = np − 3√np − p
lci = 0,867

Gráfico Np de N° de no conformidades
25
20
15
10
5
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26

Número de no conformidades (d) LCS LCI LC

7
 Gráfica NP de Número de no conformidades (d)

20 LCS=20,39

15
Conteo de muestras

__
NP=10,65
10

LCI=0,91
0
1 4 7 10 13 16 19 22 25
Muestra

5.1. Análisis:

Al realizar las ultimas correcciones tenemos como resultado que el proceso ya no se encuentra

tan disperso, en donde todo el número de conformidades están dentro de los límites de control.

Gráfica C

A continuación, se mostrará paso a paso la solución analítica, la realización del ejercicio en

Excel se evidencia en el Anexo 2.

1. Calcular los límites de control aplicando las fórmulas:

̅c = ∑c / g

̅c = = 12,333

lc = ̅c

lcs = ̅c + 3√̅c

lcs

lcs = 22,869

lci = c̅ − 3 √̅c

8
lci

lci = 1,789

2. Realizar el gráfico en Excel y Minitab:

Gráfico C de N° de no conformidades
30
25
20
15
10
5
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

Número de no conformidades (d) LCS LCI LC

Gráfica C de Número de no conformidades (d)

1 1
25

LCS=22,87

20
Conteo de muestras

15
_
C=12,33

10

LCI=1,80
0
1 4 7 10 13 16 19 22 25 28
Muestra

2.1. Análisis:

Los gráficos C son utilizados para graficar el total de defectos en una muestra o subgrupos

cuando ésta es constante. De la misma manera que en la gráfica NP, existen datos fuera de

los límites de control que corresponden a las muestras 18 y 19 con un total de 25 no

conformidades cada una. La semejanza con la gráfica NP es que ambas se utilizan cuando el

9
tamaño de subgrupos es constante y la diferencia está en que en la gráfica NP, el valor central

es el número de artículos defectuosos.

3. Graficar aplicando las correcciones:

̅c = = 11,429

lc = ̅c

lcs

lcs = 21,570

lci

lci = 1,287

Gráfico C de N° de no conformidades
25

20

15

10

0
1 3 5 7 9 11 13 15 17 19 21 23 25 27

Número de no conformidades (d) LCS LCI LC

Gráfica C de Número de no conformidades (d)

25

1
LCS=21,57
20
Conteo de muestras

15

_
C=11,43
10

LCI=1,29
0
1 4 7 10 13 16 19 22 25 28
Muestra

10
 3.1. Análisis:

Eliminando los datos defectuosos se llega a la misma gráfica de control NP, en donde la

muestra 4 se encuentra fuera de los límites de control, con la particularidad de que el proceso

es muy disperso.

4. Graficar aplicando las correcciones:

̅c = 10,654
lc = ̅c
lcs = c̅ + 3√̅c
lcs = 20,446
lci = ̅c − 3 √̅c
lci = 0,862

Gráfico C de N° de no conformidades
25

20

15

10

0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26

Número de no conformidades (d) LCS LCI LC

Gráfica C de Número de no conformidades (d)

LCS=20,45
20

15
Conteo de muestras

_
C=10,65
10

LCI=0,86
0
1 4 7 10 13 16 19 22 25
Muestra

11
 4.1. Análisis:

Eliminando el último dato defectuoso se llega a la misma gráfica de control NP, en donde todas

las muestras se encuentran dentro de los límites de control, aun existiendo la particularidad

de que el proceso es muy disperso y que el control de las fallas es más rápido.

Caso 2:

Un distribuidor de productos de automatización eléctricos y transmisiones de poder. La

empresa empezó a implementar un proceso de administración de calidad total. Un gerente
estaba ansioso por recopilar los datos acerca del proceso de recepción de la empresa debido
a una reducción en las entregas a tiempo de la organización desea realizar el control de las
mismas para lo cual decide realizar una carta control p y u. realizar los gráficos determinar los
límites de control y ajustarle hasta que todos los datos estén dentro. Resolver en Excel o
Minitab y comparar.

Fecha Etiquetas Errores Fecha Etiquetas Errores

21-ene 87 15 04-mar 92 8
22-ene 79 13 05-mar 69 13
23-ene 92 23 06-mar 86 6
24-ene 84 3 09-mar 85 13
27-ene 73 7 10-mar 101 5
28-ene 67 11 11-mar 87 5
29-ene 73 8 12-mar 71 3
30-ene 91 8 13-mar 83 8
31-ene 94 11 16-mar 103 4
03-feb 83 12 17-mar 82 6
04-feb 89 12 18-mar 90 7
05-feb 88 6 19-mar 80 4
06-feb 69 11 20-mar 70 4
07-feb 74 8 23-mar 73 11
10-feb 67 4 24-mar 89 13
11-feb 83 10 25-mar 91 6
12-feb 79 8 26-mar 78 6
13-feb 75 8 27-mar 88 6
14-feb 69 3 30-mar 76 8
17-feb 87 8 31-mar 101 9
18-feb 99 13 01-abr 92 8
19-feb 101 13 02-abr 70 2
20-feb 76 7 03-abr 72 11

12
 21-feb 90 4 06-abr 83 5
24-feb 92 7 07-abr 69 6
25-feb 80 4 08-abr 79 3
26-feb 81 5 09-abr 79 8
27-feb 105 8 10-abr 76 6
28-feb 80 8 13-abr 92 7
02-mar 82 5 14-abr 80 4
03-mar 75 3 15-abr 78 8

Gráfica P

A continuación, se mostrará paso a paso la solución analítica, la realización del ejercicio en

Excel se evidencia en el Anexo 3.

1. Calcular los límites de control aplicando las fórmulas:

̅P d / ∑n

̅P
Total de inspeccionados
n̅ =
Total de subgrupos

n̅

P(1 − P)
= P + 3√
lcs n

lcs
lcs

P(1 − P)
= P − 3√
lci n

lci
lci

13
2. Realizar el gráfico en Excel y Minitab:

Gráfico P de Errores
0,300

0,250

0,200

0,150

0,100

0,050

0,000
1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55 58 61

P LCS LCI LC

Gráfica P de Errores
1
0,25

0,20
LCS=0,1922
Proporc n

0,15
ió

_
0,10
P=0,0934

0,05

0,00 LCI=0

1 7 13 19 25 31 37 43 49 55 61
Muestra
Las pruebas se realizaron con tamaños de la muestra desiguales

2.1. Análisis:

La gráfica de proporciones analiza la proporción de artículos que no cumplen con las

especificaciones en un lote producido. Para este caso, existe un dato fuera que es el de la

muestra 3 de rango que se presenta en una relación entre los errores registrados y el número

de etiquetas en los empaques.

14
3. Graficar aplicando las correcciones:

̅P

n̅
lcs
lcs = 0,185
lci
lci = −0,004 ⇒ 0

Gráfico P de Errores
0,200

0,150

0,100

0,050

0,000
1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55 58 61

P LCS LCI LC

Gráfica P de Errores
0,20
LCS=0,1880

0,15
Proporc n
ió

0,10 _
P=0,0905

0,05

0,00 LCI=0

1 7 13 19 25 31 37 43 49 55 61
Muestra
Las pruebas se realizaron con tamaños de la muestra desiguales

15
 3.1. Análisis:

Una vez aplicada la corrección, se observa que todos los datos están dentro de los límites de

control, sin embargo, se debe llevar el control del proceso del 5 de marzo, ya que en la gráfica

realizada en el Minitab nos muestra que la relación entre el número de errores y etiquetas es

igual que el límite de control superior.

Gráfica U

A continuación, se mostrará paso a paso la solución analítica, la realización del ejercicio en

Excel se evidencia en el Anexo 4.

1. Calcular los límites de control aplicando las fórmulas:

Σxi
U̅ =
s

U̅

U̅
lcs = U̅ + 3√ n
lcs
lcs = 0,194

U̅
lci = U̅ − 3√ n
lci
lci = −0,007 ⇒ 0

16
2. Graficar en Excel y Minitab:

Gráfico U de Errores
0,300

0,250

0,200

0,150

0,100

0,050

0,000
1 3 5 7 9 11 1315171921232527293133353739414345474951535557 5961

PROMEDIO ERRORES LCS LCI u

Gráfica U de Errores
1
0,25
Conteo de muestras por unidad

0,20 LCS=0,1972

0,15

_
0,10
U=0,0934

0,05

0,00 LCI=0

1 7 13 19 25 31 37 43 49 55 61
Muestra
Las pruebas se realizaron con tamaños de la muestra desiguales

2.1. Análisis:

En los dos softwares de control se observaron los mismos resultados, sin embargo, el último

da a conocer que la gráfica se realizó con tamaños de muestra desiguales, por lo que los

límites de control varían con cada muestra. En este caso se observa que solamente existe un

dato fuera de rango en la muestra 3, por lo que se lo debe corregir y volver a graficar.

17
3. Graficar aplicando las correcciones:

U̅
lcs
lcs = 0,190
lci
lci = −0,009 ⇒ 0

Gráfico U de Errores
0,200
0,180
0,160
0,140
0,120
0,100
0,080
0,060
0,040
0,020
0,000
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61

PROMEDIO ERRORES LCS LCI u

Gráfica U de Errores
0,20
LCS=0,1927
Conteo de muestras por unidad

0,15

0,10 _
U=0,0905

0,05

0,00 LCI=0

1 7 13 19 25 31 37 43 49 55 61
Muestra
Las pruebas se realizaron con tamaños de la muestra desiguales

18
 3.1. Análisis:

Al aplicar la corrección, todos los datos están dentro de los límites de control. Sin embargo, el

proceso es muy disperso y existe un dato que está ajustado en el límite de control superior,

por lo que no se lo debe descuidar y mantener un control riguroso del proceso.

Conclusiones

• Los gráficos de control se presentan a fin de supervisar el manejo de procesos y

variables, mediante recopilación de datos, análisis y optimización de unidades,

plantas, planificación de mantenimiento, control de calidad, inventario entre otros.

• La utilización de las herramientas (Excel y Minitab) nos han ayudado a graficar cada

proceso de los dos casos prácticos a resolver en este informe, siendo el mas acertado

el de Minitab ya que nos proporciona una lectura exacta de las medidas de control.

• La semejanza entre las gráficas NP y C, es que ambas se utilizan cuando el tamaño

de los subgrupos es constante y la diferencia está en que para la gráfica NP, el valor

central es el número de artículos defectuosos.

• La semejanza entre las gráficas P y U, es que los dos son útiles cuando el tamaño de

los subgrupos no es constante y la diferencia es que en la gráfica P, se requieren tomar

muestras suficientemente grandes para que contengan varios artículos defectuosos.

19
Anexos

Anexo 1. Ejercicio 1 - NP
Número de n d lcs lci lc
Subgrupo
1 1000 13 22,804 1,863 12,333
2 1000 4 22,804 1,863 12,333
3 1000 3 22,804 1,863 12,333
4 1000 22 22,804 1,863 12,333
5 1000 13 22,804 1,863 12,333
6 1000 6 22,804 1,863 12,333
7 1000 12 22,804 1,863 12,333
8 1000 19 22,804 1,863 12,333
9 1000 2 22,804 1,863 12,333
10 1000 17 22,804 1,863 12,333
11 1000 4 22,804 1,863 12,333
12 1000 12 22,804 1,863 12,333
13 1000 4 22,804 1,863 12,333
14 1000 21 22,804 1,863 12,333
15 1000 6 22,804 1,863 12,333
16 1000 17 22,804 1,863 12,333
17 1000 13 22,804 1,863 12,333
18 1000 25 22,804 1,863 12,333
19 1000 25 22,804 1,863 12,333
20 1000 15 22,804 1,863 12,333
21 1000 7 22,804 1,863 12,333
22 1000 19 22,804 1,863 12,333
23 1000 12 22,804 1,863 12,333
24 1000 9 22,804 1,863 12,333
25 1000 16 22,804 1,863 12,333
26 1000 4 22,804 1,863 12,333
27 1000 9 22,804 1,863 12,333
28 1000 18 22,804 1,863 12,333
29 1000 19 22,804 1,863 12,333
30 1000 4 22,804 1,863 12,333
TOTAL 30000 370

p 0,012
np 12,333
lcs 22,804
lci 1,863

1
Anexo 2. Ejercicio 1 – C
Número de Número Número de No lcs lci lc
Subgrupo Inspeccionado conformidades
(n) (d)
1 1000 13 22,869 1,798 12,333
2 1000 4 22,869 1,798 12,333
3 1000 3 22,869 1,798 12,333
4 1000 22 22,869 1,798 12,333
5 1000 13 22,869 1,798 12,333
6 1000 6 22,869 1,798 12,333
7 1000 12 22,869 1,798 12,333
8 1000 19 22,869 1,798 12,333
9 1000 2 22,869 1,798 12,333
10 1000 17 22,869 1,798 12,333
11 1000 4 22,869 1,798 12,333
12 1000 12 22,869 1,798 12,333
13 1000 4 22,869 1,798 12,333
14 1000 21 22,869 1,798 12,333
15 1000 6 22,869 1,798 12,333
16 1000 17 22,869 1,798 12,333
17 1000 13 22,869 1,798 12,333
18 1000 25 22,869 1,798 12,333
19 1000 25 22,869 1,798 12,333
20 1000 15 22,869 1,798 12,333
21 1000 7 22,869 1,798 12,333
22 1000 19 22,869 1,798 12,333
23 1000 12 22,869 1,798 12,333
24 1000 9 22,869 1,798 12,333
25 1000 16 22,869 1,798 12,333
26 1000 4 22,869 1,798 12,333
27 1000 9 22,869 1,798 12,333
28 1000 18 22,869 1,798 12,333
29 1000 19 22,869 1,798 12,333
30 1000 4 22,869 1,798 12,333
370

c 12,333
lcs 22,869
lci 1,798

2
Anexo 3. Ejercicio 2 – P
Fecha Etiquetas en los Errores P lcs lci lc
empaques

21-ene 87 15 0,172 0,189 0 0,093

22-ene 79 13 0,165 0,189 0 0,093
23-ene 92 23 0,250 0,189 0 0,093
24-ene 84 3 0,036 0,189 0 0,093
27-ene 73 7 0,096 0,189 0 0,093
28-ene 67 11 0,164 0,189 0 0,093
29-ene 73 8 0,110 0,189 0 0,093
30-ene 91 8 0,088 0,189 0 0,093
31-ene 94 11 0,117 0,189 0 0,093
03-feb 83 12 0,145 0,189 0 0,093
04-feb 89 12 0,135 0,189 0 0,093
05-feb 88 6 0,068 0,189 0 0,093
06-feb 69 11 0,159 0,189 0 0,093
07-feb 74 8 0,108 0,189 0 0,093
10-feb 67 4 0,060 0,189 0 0,093
11-feb 83 10 0,120 0,189 0 0,093
12-feb 79 8 0,101 0,189 0 0,093
13-feb 75 8 0,107 0,189 0 0,093
14-feb 69 3 0,043 0,189 0 0,093
17-feb 87 8 0,092 0,189 0 0,093
18-feb 99 13 0,131 0,189 0 0,093
19-feb 101 13 0,129 0,189 0 0,093
20-feb 76 7 0,092 0,189 0 0,093
21-feb 90 4 0,044 0,189 0 0,093
24-feb 92 7 0,076 0,189 0 0,093
25-feb 80 4 0,050 0,189 0 0,093
26-feb 81 5 0,062 0,189 0 0,093
27-feb 105 8 0,076 0,189 0 0,093
28-feb 80 8 0,100 0,189 0 0,093
02-mar 82 5 0,061 0,189 0 0,093
03-mar 75 3 0,040 0,189 0 0,093
04-mar 92 8 0,087 0,189 0 0,093
05-mar 69 13 0,188 0,189 0 0,093
06-mar 86 6 0,070 0,189 0 0,093
09-mar 85 13 0,153 0,189 0 0,093
10-mar 101 5 0,050 0,189 0 0,093
11-mar 87 5 0,057 0,189 0 0,093

3
 12-mar 71 3 0,042 0,189 0 0,093
13-mar 83 8 0,096 0,189 0 0,093
16-mar 103 4 0,039 0,189 0 0,093
17-mar 82 6 0,073 0,189 0 0,093
18-mar 90 7 0,078 0,189 0 0,093
19-mar 80 4 0,050 0,189 0 0,093
20-mar 70 4 0,057 0,189 0 0,093
23-mar 73 11 0,151 0,189 0 0,093
24-mar 89 13 0,146 0,189 0 0,093
25-mar 91 6 0,066 0,189 0 0,093
26-mar 78 6 0,077 0,189 0 0,093
27-mar 88 6 0,068 0,189 0 0,093
30-mar 76 8 0,105 0,189 0 0,093
31-mar 101 9 0,089 0,189 0 0,093
01-abr 92 8 0,087 0,189 0 0,093
02-abr 70 2 0,029 0,189 0 0,093
03-abr 72 11 0,153 0,189 0 0,093
06-abr 83 5 0,060 0,189 0 0,093
07-abr 69 6 0,087 0,189 0 0,093
08-abr 79 3 0,038 0,189 0 0,093
09-abr 79 8 0,101 0,189 0 0,093
10-abr 76 6 0,079 0,189 0 0,093
13-abr 92 7 0,076 0,189 0 0,093
14-abr 80 4 0,050 0,189 0 0,093
15-abr 78 8 0,103 0,189 0 0,093
TOTAL 5129 479

p 0,093
n 82,726
lcs 0,189
lci -0,003

4
Anexo 4. Ejercicio 2 – U
Fecha Etiquetas en los Errores Fracción lcs lci lc
empaques
21-ene 87 15 0,172 0,190 0 0,091
22-ene 79 13 0,165 0,190 0 0,091
24-ene 84 3 0,036 0,190 0 0,091
27-ene 73 7 0,096 0,190 0 0,091
28-ene 67 11 0,164 0,190 0 0,091
29-ene 73 8 0,110 0,190 0 0,091
30-ene 91 8 0,088 0,190 0 0,091
31-ene 94 11 0,117 0,190 0 0,091
03-feb 83 12 0,145 0,190 0 0,091
04-feb 89 12 0,135 0,190 0 0,091
05-feb 88 6 0,068 0,190 0 0,091
06-feb 69 11 0,159 0,190 0 0,091
07-feb 74 8 0,108 0,190 0 0,091
10-feb 67 4 0,060 0,190 0 0,091
11-feb 83 10 0,120 0,190 0 0,091
12-feb 79 8 0,101 0,190 0 0,091
13-feb 75 8 0,107 0,190 0 0,091
14-feb 69 3 0,043 0,190 0 0,091
17-feb 87 8 0,092 0,190 0 0,091
18-feb 99 13 0,131 0,190 0 0,091
19-feb 101 13 0,129 0,190 0 0,091
20-feb 76 7 0,092 0,190 0 0,091
21-feb 90 4 0,044 0,190 0 0,091
24-feb 92 7 0,076 0,190 0 0,091
25-feb 80 4 0,050 0,190 0 0,091
26-feb 81 5 0,062 0,190 0 0,091
27-feb 105 8 0,076 0,190 0 0,091
28-feb 80 8 0,100 0,190 0 0,091
02-mar 82 5 0,061 0,190 0 0,091
03-mar 75 3 0,040 0,190 0 0,091
04-mar 92 8 0,087 0,190 0 0,091
05-mar 69 13 0,188 0,190 0 0,091
06-mar 86 6 0,070 0,190 0 0,091
09-mar 85 13 0,153 0,190 0 0,091
10-mar 101 5 0,050 0,190 0 0,091
11-mar 87 5 0,057 0,190 0 0,091
12-mar 71 3 0,042 0,190 0 0,091

5
 13-mar 83 8 0,096 0,190 0 0,091
16-mar 103 4 0,039 0,190 0 0,091
17-mar 82 6 0,073 0,190 0 0,091
18-mar 90 7 0,078 0,190 0 0,091
19-mar 80 4 0,050 0,190 0 0,091
20-mar 70 4 0,057 0,190 0 0,091
23-mar 73 11 0,151 0,190 0 0,091
24-mar 89 13 0,146 0,190 0 0,091
25-mar 91 6 0,066 0,190 0 0,091
26-mar 78 6 0,077 0,190 0 0,091
27-mar 88 6 0,068 0,190 0 0,091
30-mar 76 8 0,105 0,190 0 0,091
31-mar 101 9 0,089 0,190 0 0,091
01-abr 92 8 0,087 0,190 0 0,091
02-abr 70 2 0,029 0,190 0 0,091
03-abr 72 11 0,153 0,190 0 0,091
06-abr 83 5 0,060 0,190 0 0,091
07-abr 69 6 0,087 0,190 0 0,091
08-abr 79 3 0,038 0,190 0 0,091
09-abr 79 8 0,101 0,190 0 0,091
10-abr 76 6 0,079 0,190 0 0,091
13-abr 92 7 0,076 0,190 0 0,091
14-abr 80 4 0,050 0,190 0 0,091
15-abr 78 8 0,103 0,190 0 0,091
TOTAL 82,574 456

n 82,726
u 0,091
lcs 0,190
lci -0,009